Ин матн дар асоси таҳқиқоти академие таҳия шудааст, ки муносибати байни ҳиссиёти ҷомеа ва пешгӯии нархи токени MANA дар экосистемаи Decentraland-ро меомӯзад. Таҳқиқоти баррасишуда унвони Leveraging Large Language Models for Sentiment Analysis: Multi-Modal Analysis of Decentraland’s MANA Token-ро дорад.

Ҳадафи таҳқиқот чен кардани он аст, ки оё сигналҳои ҳиссиётии аз паёмҳои ҷомеаи Decentraland Discord бадастомада барои пешгӯии даромади токени MANA дар муқоиса бо маълумоти нарх арзиши иловагӣ медиҳанд ё не. Барои ин таснифгари ҳиссиёти ба RoBERTa асосёфта истифода шуда, сипас бо моделҳои LSTM сохторҳои пешгӯии price-only ва multi-modal муқоиса карда шудаанд.

Ин мундариҷа тавсияи сармоягузорӣ нест. Таҳқиқот таҷрибаи академии пешгӯиро бар асоси маълумоти ҷомеаи Decentraland ва маълумоти бозории MANA пешниҳод мекунад. Натиҷаҳо ба маълумоти гузашта, фарзияҳои муайяни модел ва давраи маҳдуди маълумот такя мекунанд. Аз ин рӯ, онҳо набояд ҳамчун тавсияи мустақими харидуфурӯш ё пешгӯии қатъии бозор тафсир шаванд.

Таҳқиқоти нави академӣ кӯшиш мекунад паёмҳои ҷомеаи Discord-ро барои токени MANA-и Decentraland бо нарх, ҳаҷм ва арзиши бозорӣ муттаҳид намуда, даромади токенро пешгӯӣ кунад. Дар таҳқиқот паёмҳои Discord бо модели ҳиссиётии ба RoBERTa асосёфта ба гурӯҳҳои мусбат, бетараф ва манфӣ тасниф карда мешаванд. Сипас модели price-only LSTM бо модели multi-modal LSTM, ки ҳиссиёт, ҳаҷм ва арзиши бозориро низ дар бар мегирад, муқоиса мешавад. Натиҷаҳо нишон медиҳанд, ки ҳиссиёти ҷомеа метавонад хатои пешгӯиро коҳиш диҳад; аммо қиматҳои манфии \(R^2\) нишон медиҳанд, ки модел ҳанӯз ҳам ноустувории васеи бозориро дар даромади MANA ба қадри кофӣ шарҳ дода наметавонад.

Масъала дар чист?

Лоиҳаҳои метаверс на танҳо платформаҳои техникӣ, балки иқтисодҳои рақамие мебошанд, ки ҷомеаҳо дар онҳо фаъолона ҳамкорӣ мекунанд. Дар ҷаҳони маҷозӣ, ба монанди Decentraland, корбарон пайваста дар атрофи замини рақамӣ, аватарҳо, чорабиниҳо, NFT ва равандҳои идоракунӣ муошират мекунанд. Баъзе аз ин муоширатҳо метавонанд эътимод, қаноатмандӣ ё ноумедии онҳоро нисбат ба платформа инъикос кунанд.

Токени MANA дар экосистемаи Decentraland дороии криптоӣ аст, ки бо муомилоти дороиҳои маҷозӣ ва идоракунӣ алоқаманд мебошад. Аз ин рӯ, саволи муҳими таҳқиқотӣ ин аст, ки оё ҳиссиёти ҷомеа бо нарх ё даромади токен робита дорад ё не.

Масъалаи асосии таҳқиқот чунин аст: оё сигналҳои ҳиссиётии аз каналҳои ҷомеа, ба монанди Discord, бадастомада метавонанд нисбат ба моделҳои пешгӯие, ки танҳо ба таърихи нарх такя мекунанд, натиҷаи беҳтар диҳанд?

Ин савол махсусан барои иқтисодҳои метаверс муҳим аст. Зеро дар чунин лоиҳаҳо ҳаракати нарх на танҳо аз бозори макроиқтисодии крипто, балки аз таҷрибаи корбар дар дохили платформа, таваҷҷуҳи ҷомеа, чорабиниҳо, мушкилоти техникӣ ва дарки низоми идоракунӣ низ таъсир мегирад.

Кадом усул пешниҳод мешавад?

Таҳқиқот ду манбаи асосии маълумотро муттаҳид мекунад. Манбаи аввал маълумоти ҳаррӯзаи бозории токени MANA мебошад. Ин маълумот майдонҳои маъмулии молиявӣ, аз қабили нархи кушодашавӣ, баландтарин, пасттарин, нархи пӯшидашавӣ, ҳаҷми муомилот ва арзиши бозориро дар бар мегирад. Манбаи дуюм паёмҳои канали #general дар ҷомеаи Discord-и Decentraland мебошад.

Барои маълумоти матнӣ модели ҳиссиёти шабакаҳои иҷтимоӣ, ки ба RoBERTa асос ёфтааст, истифода мешавад. Ҳар паём тамғаи ҳиссиёти мусбат, бетараф ё манфӣ мегирад. Сипас холи ҳиссиёти ҳаррӯза ҳисоб карда мешавад. Ин холи ҳаррӯза ҳамроҳ бо нарх, ҳаҷм ва арзиши бозорӣ ба модели multi-modal LSTM дода мешавад.

Дар таҳқиқот ду равиши LSTM муқоиса карда мешаванд:

Price-only baseline: Модел танҳо нархи типикиро истифода мебарад.

Multi-modal model: Модел нархи типикӣ, ҳаҷми муомилот, арзиши бозорӣ ва холи ҳаррӯзаи ҳиссиёти Discord-ро якҷоя истифода мебарад.

Ин муқоиса барои санҷидани он анҷом дода мешавад, ки оё маълумоти ҳиссиётӣ нисбат ба модели price-only маълумоти иловагӣ медиҳад ё не.

Формулаҳо чиро нишон медиҳанд?

Формулаҳои таҳқиқот нишон медиҳанд, ки нархи MANA чӣ гуна муаррифӣ мешавад, даромад чӣ гуна ҳисоб карда мешавад, холи ҳаррӯзаи ҳиссиёт аз паёмҳои Discord чӣ гуна ҳосил мешавад ва сохтори асосии модели пешгӯии LSTM аз чӣ иборат аст.

1. Нархи типикӣ

Дар таҳқиқот барои ба як қимати намояндагӣ овардани нархи ҳаррӯза нархи типикӣ истифода мешавад:

Дар ин ҷо \(P_t^H\) нархи баландтарини рӯзона; \(P_t^L\) нархи пасттарини рӯзона; \(P_t^C\) нархи пӯшидашавиро ифода мекунанд. Нархи типикӣ ба ҷойи танҳо ба нархи пӯшидашавӣ нигаристан, доираи нархи дохилирӯзаро ба таври ҳамвортар муаррифӣ мекунад.

2. Даромади пайваста

Даромади токен аз рӯйи нархи типикӣ ҳамчун даромади логарифмӣ ҳисоб карда мешавад:

Ин формула тағйирёбии нисбии нархро байни ду рӯзи пайдарпай чен мекунад. Истифодаи даромади логарифмӣ усули маъмулест, ки дар қаторҳои вақтии молиявӣ сатҳҳои нархро қобили муқоиса мегардонад.

3. Тамғаи ҳиссиёт дар сатҳи паём

Барои ҳар паёми Discord модел тамғаи ҳиссиётӣ тавлид мекунад:

Дар ин ҷо \(+1\) ҳиссиёти мусбат, \(0\) ҳиссиёти бетараф ва \(-1\) ҳиссиёти манфиро ифода мекунад. \(i\) паёми ҳамон рӯзаро, \(t\) бошад рӯзро нишон медиҳад.

4. Холи ҳаррӯзаи ҳиссиёт

Ҳиссиёти ҳаррӯза бо истифодаи якҷояи ҳиссиёти паём ва эътимоди модел ҳисоб карда мешавад:

Дар ин ҷо \(n_t\) шумораи паёмҳо дар рӯзи \(t\) мебошад. \(\gamma_{i,t}\) холи эътимоди моделро барои паёми дахлдор ифода мекунад. Ин сохтор на танҳо самти тамғаро, балки дараҷаи эътимоди модел ба он тамғаро низ ба ҳисоб мегирад.

5. Синфҳои ҳиссиёт

Дар таҳқиқот холи ҳаррӯзаи ҳиссиёт ба се минтақа ҷудо карда мешавад:

Ин остонаҳо барои ҷамъбаст кардани фазои ҳаррӯзаи ҷомеа ҳамчун мусбат, бетараф ё манфӣ истифода мешаванд.

6. Тағйирёбандаҳои вуруди LSTM

Дар модели price-only вуруд танҳо нархи типикӣ мебошад:

Дар модели multi-modal бошад, вектори вуруд аз чор ҷузъ иборат аст:

Дар ин ҷо \(V_t\) ҳаҷми муомилот; \(M_t\) арзиши бозорӣ; \(S_t\) холи ҳаррӯзаи ҳиссиёти Discord-ро ифода мекунанд. Ин сохтор ба модел имкон медиҳад, ки на танҳо таърихи нарх, балки маълумоти ҷомеа ва иттилои бузургии бозорро низ ба назар гирад.

7. Сохтори дарвозаҳои LSTM

Дар таҳқиқот механизми асосии дарвозаҳои LSTM ба таври содда чунин нишон дода мешавад:

Дар ин ҷо \(i_t\) дарвозаи вуруд ва \(o_t\) дарвозаи баромадро ифода мекунанд. \(\sigma\) функсияи sigmoid мебошад. LSTM тавассути ин дарвозаҳо кӯшиш мекунад биомӯзад, ки чӣ қадар маълумоти гузашта нигоҳ дошта шавад ва то чӣ андоза вуруди нав ба ҳисоб гирифта шавад.

8. Хатои миёнаи квадратӣ

Метрикаи аввалине, ки барои чен кардани иҷрои пешгӯӣ истифода мешавад, MSE мебошад:

MSE хатогиҳои калони пешгӯиро сахттар ҷазо медиҳад. Он барои чен кардани наздикии пешгӯии даромад аз ҷониби модел истифода мешавад.

9. Хатои миёнаи мутлақ

Метрикаи дуюми хатогӣ MAE мебошад:

MAE бузургии миёнаи мутлақи хатогиҳои пешгӯиро медиҳад. Он ба хатогиҳои ғайриоддӣ мисли MSE вокуниши сахт нишон намедиҳад.

10. Қувваи тавзеҳ: \(R^2\)

Қобилияти модел барои чӣ қадар шарҳ додани тағйирёбии даромад бо \(R^2\) чен карда мешавад:

\(R^2\) вақте мусбат аст, ки модел нисбат ба пешгӯии миёна тавзеҳдиҳандатар ҳисобида мешавад. Дар ин таҳқиқот \(R^2\) дар ҳар ду модел манфӣ боқӣ мондааст. Ин нишон медиҳад, ки ҳатто баъд аз илова шудани маълумоти ҳиссиёт ва бозор ҳам ноустувории васеи даромади MANA ҳанӯз ба қадри кофӣ шарҳ дода нашудааст.

Паёми асосии график, ҷадвал ва схема

Дар Расми 1-и PDF хатти маълумотии таҳқиқот нишон дода мешавад. Паёмҳои Discord аз модели ҳиссиётии ба RoBERTa асосёфта гузаронида мешаванд. Холи ҳаррӯзаи ҳиссиёт \(S_t\) сохта мешавад. Сипас ин хол ҳамроҳ бо нишондиҳандаҳои молиявӣ, аз қабили нархи типикӣ \(\tau_t\) ва ҳаҷми муомилот \(V_t\), ба модели пешгӯии LSTM интиқол дода мешавад.

Расми 2 тақсимоти ҳиссиёти ҷомеа ва иҷрои моделро ҷамъбаст мекунад. Қисми зиёди паёмҳои Discord дар синфи бетараф ҷамъ шудаанд. Дар таҳқиқот гузориш мешавад, ки ҳиссаи паёмҳои мусбат тақрибан %26,94, ҳиссаи паёмҳои бетараф %60,96 ва ҳиссаи паёмҳои манфӣ %12,10 мебошад. Ин тақсимот нишон медиҳад, ки ҳиссиёти ҷомеа дар маҷмӯъ бетараф буда, аммо каме ба ҷониби мусбат майл дорад.

Дар мавриди иҷрои модел, сохтори multi-modal дар муқоиса бо модели LSTM-и price-only ченакҳои хатогиро коҳиш додааст. Дар бахши натиҷаҳои асосӣ гуфта мешавад, ки қимати MSE аз 0.002100 ба 0.001528 ва қимати MAE аз 0.0297 ба 0.0241 коҳиш ёфтааст. Аммо азбаски \(R^2\) дар ҳар ду модел манфӣ боқӣ мондааст, ин беҳбудиро бояд маҳдуд тафсир кард.

Ҷадвали муқоисаи моделҳо дар қисми иловагии PDF низ паёми монанд медиҳад. Дар миёнаи ҳашт иҷроиши мустақил барои модели price-only MSE 5.84 ва барои модели дорои ҳиссиёт 5.40 гузориш шудааст. MAE-и миёна низ хеле кам коҳиш ёфта, \(R^2\) аз сатҳи -0.266 ба сатҳи -0.170 беҳтар шудааст. Ин нишон медиҳад, ки маълумоти ҳиссиётӣ метавонад саҳм гузорад, аммо ҳанӯз модели тавзеҳдиҳандаи қавӣ эҷод намекунад.

Таҷрибаҳо чӣ гуна гузаронида шуданд?

Дар таҳқиқот маълумоти ҳаррӯзаи OHLCV-и токени MANA истифода шудааст. Давраи маълумот 366 рӯзи байни 15 июни 2023 ва 14 июни 2024-ро дар бар мегирад. Маълумоти бозорӣ майдонҳои open, high, low, close, trading volume ва market capitalization-ро дар бар мегирад.

Дар бахши маълумоти матнӣ паёмҳои канали #general дар ҷомеаи Discord-и Decentraland истифода шудаанд. Дар марҳилаи аввал 5.883 паём ҷамъоварӣ шуда, пас аз хориҷ кардани сабтҳои беэътибор корпуси ниҳоии матнӣ аз 5.513 паём иборат шудааст.

Ҳар паём бо модели ҳиссиётии ба RoBERTa асосёфта тасниф шудааст. Баъдан паёмҳо дар сатҳи рӯз муттаҳид карда шуда, холи ҳиссиёти \(S_t\) ҳисоб карда шудааст.

Дар бахши пешгӯӣ модели LSTM истифода шудааст. Модели price-only танҳо нархи типикиро истифода мебарад, дар ҳоле ки модели multi-modal нархи типикӣ, ҳаҷми муомилот, арзиши бозорӣ ва холи ҳиссиётро якҷоя истифода мекунад. Иҷроиш бо метрикаҳои MSE, MAE ва \(R^2\) чен карда шудааст.

Натиҷаҳо чиро нишон медиҳанд?

Натиҷаи аввалини таҳқиқот ин аст, ки ҳиссиёт дар ҷомеаи Discord-и Decentraland асосан бетараф мебошад. Бартарӣ доштани паёмҳои бетараф нишон медиҳад, ки дар ҷомеа фазои доимии аз ҳад хушбинона ё аз ҳад бадбинона вуҷуд надорад. Бо вуҷуди ин, ҳиссаи паёмҳои мусбат аз ҳиссаи паёмҳои манфӣ зиёдтар аст.

Натиҷаи дуюм ин аст, ки ҷаҳишҳои ҳиссиёти манфӣ бештар ба мушкилоти техникии сатҳи корбар вобаста ба назар мерасанд. Ин фарқияти муҳим аст. Зеро ҳиссиёти Discord на ҳамеша сигнали макробозорӣ тавлид мекунад; баъзан он таҷрибаи корбарро дар дохили платформа мустақимтар инъикос карда метавонад.

Натиҷаи сеюм ин аст, ки маълумоти ҳиссиётӣ метавонад ба иҷрои пешгӯӣ саҳми маҳдуд, вале ченшаванда гузорад. Модели multi-modal дар муқоиса бо модели price-only қиматҳои MSE ва MAE-ро коҳиш додааст. Ин нишон медиҳад, ки сигнали аз паёмҳои ҷомеа ҳосилшуда комилан бемаънӣ нест.

Натиҷаи чорум ва эҳтиёткорона тарафи \(R^2\) мебошад. Дар ҳар ду модел \(R^2\) манфӣ боқӣ мондааст. Ин нишон медиҳад, ки даромади токени MANA танҳо бо нарх, ҳаҷм, арзиши бозорӣ ва ҳиссиёти Discord ба таври қавӣ шарҳ дода намешавад. Ба ибораи дигар, ҳатто агар модел дар ченакҳои хатои кӯтоҳмуддат беҳтар шавад ҳам, он динамикаи умумии бозорро пурра ба даст оварда наметавонад.

Ин барои чӣ муҳим аст?

Ин таҳқиқот аз он ҷиҳат муҳим аст, ки нишон медиҳад маълумоти ҷомеа чӣ гуна метавонад ба моделҳои пешгӯии молиявӣ дар иқтисодҳои метаверс ворид карда шавад. Дар платформаҳое чун Decentraland Discord танҳо фазои суҳбат нест; он ҳамзамон сигнали ҷомеавиест, ки қаноатмандии корбарон, мушкилоти техникӣ, интизориҳо ва таваҷҷуҳи онҳоро ба платформа инъикос мекунад.

Моделҳои пешгӯии молиявӣ аксаран ба маълумоти нарх ва ҳаҷм такя мекунанд. Аммо дар лоиҳаҳои крипто ва метаверс таваҷҷуҳи ҷомеа, иштироки идоракунӣ ва ҳиссиёти иҷтимоӣ низ муҳим буда метавонанд. Ин таҳқиқот нишон медиҳад, ки илова кардани чунин сигналҳои иҷтимоӣ ба модел метавонад ченакҳои хатогиро беҳтар кунад.

Аммо натиҷаҳо ҳамзамон нишон медиҳанд, ки бояд эҳтиёткор буд. Ҳиссиёти Discord метавонад таҷрибаи дохилии платформаро инъикос кунад; вале он наметавонад тамоми бозори крипто, хабарҳои макроиқтисодӣ, шароити пардохтпазирӣ ё рафтори сармоягузоронро танҳо ба худӣ худ шарҳ диҳад. Аз ин рӯ, маълумоти sentiment аз ҷомеа бояд на ҳамчун муҳаррики мустақили пешгӯӣ, балки ҳамчун қисми низоми васеътари таҳлили multi-modal баррасӣ шавад.

Нуктаҳои муҳим

Ин таҳқиқот тавсияи сармоягузорӣ нест. Он барои MANA ё ягон дороии дигари крипто тавсияи харидуфурӯш пешниҳод намекунад.

Давраи маълумот танҳо 366 рӯзро дар бар мегирад. Дар давраҳои дарозтар ва низомҳои гуногуни бозор натиҷаҳо метавонанд тағйир ёбанд.

Маълумоти Discord метавонад тамоми гурӯҳи сармоягузоронро намояндагӣ накунад. Корбарони фаъоли Discord метавонанд танҳо зергуруҳи муайяни сармоягузорони MANA ё корбарони Decentraland-ро инъикос кунанд.

Модели ҳиссиётӣ модели ба RoBERTa асосёфтаест, ки бар забони умумии шабакаҳои иҷтимоӣ омӯзонида шудааст. Он метавонад ирония, жаргон, шикояти техникӣ ё заминаи дохилии ҷомеаро, ки ба соҳаҳои метаверс ва крипто хосанд, на ҳамеша дуруст дарк кунад.

Қиматҳои манфии \(R^2\) нишон медиҳанд, ки қувваи тавзеҳдиҳандаи модел маҳдуд аст. Аз ин рӯ, беҳбудии метрикаҳои хатогӣ набояд муболиға карда шавад.

Дар таҳқиқот тағйирёбандаҳои иловагӣ, аз қабили бозори макрокрипто, таъсири Bitcoin, шароити шабакаи Ethereum, ҳаҷми NFT, фаъолияти замини дохилии Decentraland ё пардохтпазирии биржаҳои калон истифода нашудаанд. Ин тағйирёбандаҳо метавонанд дар оянда барои моделҳои фарогиртар муҳим бошанд.

Хулоса

Ин таҳқиқоти академӣ нишон медиҳад, ки сигналҳои ҳиссиётии аз ҷомеаи Discord-и Decentraland гирифташуда метавонанд ба моделҳои пешгӯии токени MANA саҳми маҳдуд, вале маънодор гузоранд. Модели multi-modal LSTM дар муқоиса бо модели price-only қиматҳои MSE ва MAE-ро коҳиш додааст.

Аммо таҳқиқот ҳамзамон ҳушдори муҳим медиҳад: ҳиссиёти ҷомеа ба танҳоӣ модели қавии тавзеҳи бозор нест. Қиматҳои манфии \(R^2\) нишон медиҳанд, ки дар даромади MANA ҳанӯз ноустувории ҷиддии шарҳнашуда вуҷуд дорад.

Паёми асосии ин таҳқиқот аз нигоҳи Verianla чунин аст: дар иқтисодҳои метаверс ва крипто маълумоти ҷомеа муҳим аст; аммо ин маълумот танҳо вақте маънодортар мешавад, ки дар якҷоягӣ бо нарх, ҳаҷм, арзиши бозорӣ, фаъолияти платформа ва шароити васеътари бозор арзёбӣ гардад.

Ёддошт оид ба манбаъ ва усул

Ин мундариҷа баъд аз омӯзиши PDF-и академии дорои унвони Leveraging Large Language Models for Sentiment Analysis: Multi-Modal Analysis of Decentraland’s MANA Token таҳия шудааст. Матн тарҷумаи айнан ба айнан нест. Ҳадаф, сохтори маълумот, формулаҳои асосӣ, усулҳо, натиҷаҳо ва маҳдудиятҳои таҳқиқот барои хонандагони Verianla содда карда шуда, дар шакли мундариҷаи мустақили таҳририи тоҷикӣ аз нав баён шудаанд.

Формулаҳо бо риояи сохтори асосии математикии таҳқиқот дар формати LaTeX-и мувофиқ ба MathJax пешниҳод шудаанд. Ин матн тавсияи сармоягузорӣ, тавсияи токен ё сигнали муомилоти воқеӣ нест.